复杂网络确定性模型研究的最新进展

复杂网络的确定性模型在复杂网络建模领域起着不可或缺的作用。按照复杂网络经典模型发展的先后次序,依次对随机图、小世界网络、无标度网络以及加权网络确定性模型的研究现状进行较全面的综述,重点介绍了相关模型的构造及其主要性质,并对复杂网络确定性模型未来的部分发展方向进行了展望。     

广义交叉乘积累加码

为设计具有线性编、译码复杂度及逼近香农限性能的信道编码结构,在并行级联的单奇偶校验码之间引入交叉结构以构成外码,以累加器为内码,提出了一种新的串行级联编码--广义交叉乘积累加码。以外信息转移图为工具对广义交叉乘积累加码进行设计,并给出一个广义交叉乘积累加码的设计示例。分析及仿真结果表明,该示例具有线性编、译码复杂度,其收敛门限距香农限仅有约0.32 dB的距离。     

基于依赖型算子的不确定语言多属性群决策法

研究了属性权重以实数形式给出、属性值以不确定语言变量形式给出的多属性群决策问题。基于不确定语言变量的运算法则,给出了一种基于不确定语言变量及其运算法则的新算子：依赖型不确定语言有序加权几何 (dependent uncertain linguistic ordered weighted geometric, DULOWG) 算子。与该类算子相关联的加权向量依赖于被集结的不确定语言变量,并且对错误或有偏见的不确定语言变量赋予较低的权重来减轻不公平性对评价结果的影响。提出了一种基于ULWGM算子和DULOWG算子的不确定语言多属性群决策方法,并进行了实例分析。     

基于最小方差的动态综合评价方法及应用

利用时序加权平均(time order weight averaging operator, TOWA)算子和时序几何平均(time order weighted geometric averaging operator, TOWGA)算子对时序立体数据进行降维处理,并给出了确定时间权重的最小方差法。在事先给定的时间度的情况下,尽可能地寻找一组最稳定的时间权重系数来集结样本值,即寻找一组时间权重系数使其波动最小。最后,运用该方法进行了算例分析,并且将算例结果与熵值规划法进行了比较分析,验证了方法的有效性,总结了最小方差法的特点。     

基于Simulink的广义执行机构仿真模型库建模

为了提高方案生成后仿真模型的建模效率,建立了基于Simulink的广义执行机构仿真模型库。该模型库将广义执行机构分为执行机构和驱动元件两类,分别建立了支持广义执行机构仿真的执行机构库和以驱动输入分类的驱动元件模型。其中执行机构库使用屏蔽实现了模型接口的封装,同时将每个模型的基本参数定义为变量来表示。设计者可通过直接搜索调用方案解对应的仿真原型或分解和手工合并相关模型文件来快速构建仿真模型。以某船载装置移动机构和惯性振动筛机构的方案设计为例说明了仿真模型库的有效性。     

极值理论(EVT)方法用于受险价值(VaR)计算的实证比较与分析

讨论了根据极值理论 ( EVT)计算受险价值 ( Va R)的两类不同的方法 :基于矩估计的“两次子样试算法”和极大似然估计法 ,并给出了各自理论推导过程和计算步骤 .同时 ,把这两类方法与正态分布和经验分布的结果进行了比较 .应用四种汇率历史数据进行的实证计算表明 ,在极端条件下 ,用极值理论方法估计 Va R具有很高的准确性 ,而矩估计法的结果又优于极大似然估计法 .     

广义计算理论研究

概要讨论广义计算的一般化理论 ,包括广义计算模型、广义计算系统、广义学习模型等 ,同时介绍广义计算系统实例 .     

有序分位加权集结算子及在激励评价中的应用

为在信息集结过程中体现指标值的相对发展水平,提出了一种新的集结方法,即有序分位加权集结算子.该算子尤其适用于激励评价问题,其主要特征是用分位数表示指标值的相对发展水平,并且在信息集结过程中融入了决策者不同程度的激励偏好.通过性质分析,发现该算子具有置换不变性、界值性和条件单调性等特征.进一步,以算例的方式分析了该算子在激励评价中的应用问题,发现该算子在信息集结中通过权重加和不等于1的方式能够放大或缩小集结值,从而凸显被评价对象之间的差异,实现激励的目的.     

具有高簇系数的权重演化无标度网络模型

提出了一个演化的权重无标度网络模型.在传统的加权网络模型的强度优先连接机制基础上,考虑了网络按照模块结构和三角结构进行演化的特性.研究了模块结构和三角结构的演化机制对无标度模型结构特性的影响.仿真结果表明该权重网络的度、强度和权值都服从幂率分布,网络的平均强度与度之间具有高相关特性,网络的平均簇系数与度的函数关系服从幂率分布,模块结构和三角结构的演化机制能够显著提高网络的簇系数.     

递推加权最小二乘算法的研究

通常在使用递推加权最小二乘算法时,需要设计矩阵列满秩.从极限理论的角度出发,对设计矩阵列不满秩时加权最小二乘估计的递推算法进行了理论证明和分析,得出了在任意第n步,未知参数估计值收敛于由前n组数据所决定的极小范数加权最小二来解,并且此解是唯一的,仿真结果同样验证了该结论的正确性.